| MIM（金属注射成形）过去最典型的应用是手机中框、折叠屏铰链、可穿戴结构件。2025年全球MIM市场规模约54.5亿美元，其中消费电子仍占约35%，因此这个行业过去很大程度上跟随消费电子精密结构件升级。 高速连接器从112G向224G演进，光模块从800G升级至1.6T，GPU功耗进入千瓦级之后，金属零件面对的要求开始从“做得小、做得精”延伸到复杂结构、高导热、高密封以及规模化生产。MIM恰好擅长把复杂三维结构一次成型，同时可以使用不锈钢、钛合金、铜合金等不同材料体系，这使其开始从消费电子结构件进入高速互连、光模块散热和液冷系统。 MIM为什么适合AI硬件MIM可以理解为把塑料注塑的成型方式移植到金属零件制造中。金属粉末与粘结剂形成具有流动性的喂料，通过模具一次形成薄壁、内凹、螺纹甚至复杂三维结构，随后再经过脱脂、烧结得到金属零件。这种工艺的优势并不在所有零件上成立。MIM更适合尺寸较小、结构复杂、需求量较大的产品，典型适配重量约0.01—250克、壁厚0.2—10毫米。相比CNC，它牺牲了一部分极限精度和设计迭代灵活性，换来更高的复杂结构成型能力和批量生产效率。这也决定了MIM在AI硬件里的商业化节奏：产品还在频繁改版、小批验证阶段时，CNC更灵活；一旦规格稳定并进入大批量交付，模具成本被摊薄，MIM的成本和材料利用率优势才更容易体现。报告列出的液冷零部件加工对比中，在年产5万件的假设下，MIM单件成本约0.4—1.2美元，CNC约2—5美元；MIM材料利用率超过95%，CNC约20%—50%。代价是MIM首件开发周期约10—14周，高于CNC的2—4周，而且设计迭代成本更高。因此，MIM在AI硬件中的价值与放量规模高度相关。订单越稳定、结构越复杂、数量越大，其制造经济性越容易体现。 三条AI增量线，高速连接器已经走在前面AI服务器内部数据传输速度从112G向224G甚至更高规格升级，对连接器的结构强度、加工精度和散热能力提出更高要求，部分结构件开始由塑胶转向金属。MIM能够直接形成复杂外壳和接口，目前已经有头部厂商将其导入高速连接器零件。从A股公司的进展看，这一方向已经出现明确量产，因此它也是当前MIM进入AI硬件中商业化阶段相对靠前的环节。800G光模块单模块功耗约15—30W，1.6T预计超过40—45W。功耗上升后，传统锌合金、铝合金壳体的散热能力面临更高要求，行业开始寻找导热性能更好的材料。铜的导热性能突出，但材料偏软，频繁插拔环境下还需要兼顾硬度和耐磨性，铜合金MIM由此成为一种可选方案。这里对应的是材料和制造工艺同时变化。光模块升级带来的增量并不只是出货数量增加，还可能出现壳体材料从锌铝合金向铜合金升级。不过，目前不同厂商的量产进度仍有明显差异，不能把行业技术方向直接视为全面替代已经发生。AI芯片TDP已经达到1000—1500W/GPU，TrendForce预计液冷在AI芯片中的渗透率2026年升至53%，2027年接近60%。QYResearch预计，全球冷板式液冷及算力服务器液冷板市场规模将由2025年的8.68亿美元增长至2032年的86.77亿美元。液冷系统中的冷板、快拆接头、分歧管、连接阀和DIMM内存冷板，都存在精密金属结构件需求。传统真空钎焊需要拼接，存在焊缝和钎剂残留问题；CNC面对复杂内嵌流道时加工效率和材料利用率偏低；3D打印虽然能够实现一体成型，但设备投入和后处理难度较高，目前更适合小批量高端产品。MIM可以一次成型封闭、多层微通道以及异形分流结构，减少焊缝和装配零件数量，同时适合批量复制。这使液冷成为MIM向AI服务器延伸时匹配度较高的应用场景。但这一方向目前仍需要关注两个限制。其一，液冷零件规格尚处在快速迭代阶段，MIM模具开发周期较长，频繁改版会削弱其经济性；其二，高精度和复杂结构MIM产品对模具、烧结和尺寸控制要求较高，良率与产能爬坡直接决定最终交付能力。
|
